跳至内容
技术文档
机器人与设备调试
Jetson
Jetson AGX Orin
Jetson Agx Orin

🚀 一、Jetson AGX Orin 内核定制与烧录指南（基于 R36.4.3）

📚 开发手册链接

NVIDIA 官方开发者手册（R36.4.3）

⚠️ 注意版本匹配！
如图所示，当前手册版本为 36.4.3，请务必使用对应版本的手册与工具包，不同版本间存在关键性操作差异，即便是相近版本也不可忽略。

版本确认

📦 获取 SDK 与源码包

在手册多个位置均提供 SDK 下载链接。可通过如下方式跳转获取：

跳转位置1
跳转位置2

请下载下图中圈选的 三个软件包：

需下载的软件包

📁 解压预编译文件

依次执行以下命令完成预编译文件的准备：

1
2
3
4
5

tar xf ${L4T_RELEASE_PACKAGE}
sudo tar xpf ${SAMPLE_FS_PACKAGE} -C Linux_for_Tegra/rootfs/
cd Linux_for_Tegra/
sudo ./tools/l4t_flash_prerequisites.sh
sudo ./apply_binaries.sh

🔧 开始内核定制

按开发手册步骤操作，如下为关键命令汇总：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47

# 建议国内用户手动解压源码包
tar xf public_sources.tbz2 -C <install-path>/Linux_for_Tegra/..

cd <install-path>/Linux_for_Tegra/source
tar xf kernel_src.tbz2
tar xf kernel_oot_modules_src.tbz2
tar xf nvidia_kernel_display_driver_source.tbz2

# 编辑 defconfig 配置内核
vi <install-path>/Linux_for_Tegra/source/kernel/kernel-jammy-src/arch/arm64/configs/defconfig

cd <install-path>/Linux_for_Tegra/source/

# 启用实时配置（可选）
./generic_rt_build.sh "enable"

# 编译内核
export CROSS_COMPILE=<toolchain-path>/bin/aarch64-buildroot-linux-gnu-
make -C kernel

# 安装内核模块
export INSTALL_MOD_PATH=<install-path>/Linux_for_Tegra/rootfs/
sudo -E make install -C kernel

# 拷贝生成的 Image
cp kernel/kernel-jammy-src/arch/arm64/boot/Image \
  <install-path>/Linux_for_Tegra/kernel/Image

# 配置显示驱动与 RT 兼容性变量（如使用 RT 内核）
export IGNORE_PREEMPT_RT_PRESENCE=1

# 编译驱动模块
export KERNEL_HEADERS=$PWD/kernel/kernel-jammy-src
make modules

# 安装驱动模块
export INSTALL_MOD_PATH=<install-path>/Linux_for_Tegra/rootfs/
sudo -E make modules_install

# 更新 initrd
cd <install-path>/Linux_for_Tegra
sudo ./tools/l4t_update_initrd.sh

# 编译设备树
cd <install-path>/Linux_for_Tegra/source
make dtbs
cp kernel-devicetree/generic-dts/dtbs/* <install-path>/Linux_for_Tegra/kernel/dtb/

💾 烧录到 eMMC

请根据 Quick Start 指南中的指令操作。
推荐使用以下方法进入 Recovery 模式：

进入Recovery方式1
进入Recovery方式2

在 R36.4.3 版本下，执行以下命令进行烧录：

1

sudo ./flash.sh jetson-agx-orin-devkit internal

🚀 二、Jetson Orin AGX 上安装 GPU 加速的 PyTorch（JetPack 6.2）

SDK Manager给你装的torch是不可用的，所以还得自己装。以下是针对 Jetson Orin AGX 上安装支持 GPU 加速的 PyTorch（适用于 JetPack 6.2 和 CUDA 12.6）的详细指南。 (PyTorch and TorchVision for Jetpack 6.2 - NVIDIA Developer Forums)

📋 系统要求

我们的orin实际上装的是：

1
2
3
4
5
6
7
8

Package: nvidia-jetpack
Source: nvidia-jetpack (6.1)
Version: 6.1+b123
Architecture: arm64
Maintainer: NVIDIA Corporation
Installed-Size: 194
Depends: nvidia-jetpack-runtime (= 6.1+b123), nvidia-jetpack-dev (= 6.1+b123)
| NVIDIA-SMI 540.4.0                Driver Version: 540.4.0      CUDA Version: 12.6     |

✅ 安装步骤

1. 安装系统依赖 

1
2

sudo apt update
sudo apt install python3-pip libopenblas-base libopenmpi-dev libomp-dev

2. 安装 cuSPARSELt（适用于 PyTorch 2.6.0 及以上版本） 可跳过 

1
2
3
4
5

wget https://developer.download.nvidia.com/compute/cusparselt/redist/libcusparse_lt/linux-aarch64/libcusparse_lt-linux-aarch64-0.6.3.2-archive.tar.xz
tar xf libcusparse_lt-linux-aarch64-0.6.3.2-archive.tar.xz
cd libcusparse_lt-linux-aarch64-0.6.3.2-archive
sudo cp -a include/* /usr/local/cuda/include/
sudo cp -a lib/* /usr/local/cuda/lib64/

3. 下载并安装 PyTorch、TorchVision 和 TorchAudio

建议到这个网站直接去下载:

1

https://forums.developer.nvidia.com/t/pytorch-for-jetson/72048
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

# 安装 numpy（确保版本兼容）
pip3 install 'numpy<2' 我们实际使用时1.24.4 因为有别的依赖包

# 下载 PyTorch、TorchVision 和 TorchAudio 的 wheel 文件
wget https://pypi.jetson-ai-lab.dev/jp6/cu126/+f/6cc/6ecfe8a5994fd/torch-2.6.0-cp310-cp310-linux_aarch64.whl
wget https://pypi.jetson-ai-lab.dev/jp6/cu126/+f/aa2/2da8dcf4c4c8d/torchvision-0.21.0-cp310-cp310-linux_aarch64.whl
wget https://pypi.jetson-ai-lab.dev/jp6/cu126/+f/dda/ce98dc7d89263/torchaudio-2.6.0-cp310-cp310-linux_aarch64.whl

# 安装上述 wheel 文件
pip3 install --force --no-cache-dir torch-2.6.0-cp310-cp310-linux_aarch64.whl
pip3 install --force --no-cache-dir torchvision-0.21.0-cp310-cp310-linux_aarch64.whl
pip3 install --force --no-cache-dir torchaudio-2.6.0-cp310-cp310-linux_aarch64.whl

4. 验证安装 

1
2
3
4
5
6
7

python3
>>> import torch
>>> print(torch.__version__)  # 应输出 '2.3.0'
>>> print(torch.cuda.is_available())  # 应输出 True
>>> print(torch.cuda.get_device_name(0))  # 应输出 'Orin'
>>> import torchvision
>>> import torchaudio

⚠️ 常见问题及解决方案

问题 1：torch.cuda.is_available() 返回 False

可能原因：

解决方案：

问题 2：安装 TorchVision 后，torch 版本变为 CPU 版本

可能原因：

  • TorchVision 的安装覆盖了之前的 PyTorch 安装

解决方案：

问题 3：RuntimeError: operator torchvision::nms does not exist

可能原因：

  • TorchVision 安装不完整或版本不兼容

解决方案：

  • 确保安装的 TorchVision 版本与 PyTorch 版本兼容
  • 重新安装正确版本的 TorchVision wheel 文件

📌 附加建议

  • 建议使用 Python 3.10，以确保与提供的 wheel 文件兼容
  • 安装过程中使用 --no-cache-dir 选项，以避免使用缓存的旧版本
  • 安装完成后，使用 torch.cuda.is_available() 验证 GPU 是否可用

如需进一步的帮助或有其他问题，欢迎查阅 NVIDIA 官方文档 或在相关论坛中提问。